数字普惠金融影响共同富裕的机理与效应研究——基于全要素生产率视角.pdf

1Vol.35 2023 No.2JOURNAL OF GUANGXI VOCATIONAL NORMAL UNIVERSITY学报学报广西职业师范学院一、研究背景与文献综述改革开放以来，历经40余年的发展，我国名义GDP 总量已由 1978 年的 0.367 8 万亿元增至 2020年的101.35万亿元，人均名义GDP已由1978年的385元增至2020年的71 828元，全国居民人均可支配收入则由1978年的171元增至2020年的32 189元，若不考虑价格因素，两者分别实现了约275倍、186倍和187倍的增长，在富裕目标上已取得重大实质性进展。与此同时，到2020年，仅以我国城乡居民人均可支配收入比来衡量，其比值仍高达2.56，持平于1978年的水平，说明在我国逐渐富裕起来之时，城乡居民富裕程度相对差距仍较大，因此，进一步加快推进共同富裕迫在眉睫。对于如何更好扎实推进共同富裕，学术界普遍认为应将发展金融服务，尤其是发挥数字普惠金融的赋能作用作为重要手段，并就此展开了大量的研究。相关研究成果主要包括以下3个方面。一是共同富裕内涵的界定及测度研究。共同富裕是物质财富和精神财富的共同富裕1，须将“共同”和“富裕”有机统一，我们可从物质生活富裕、精神生活富足和生活环境宜居3个维度来测度我国共同富裕水平2。韩建雨等的测度结果表明，我国共同富裕水平、富裕程度和共享程度总体呈上升态势，地区间相对差距逐渐缩小，但绝对差距则逐渐扩大3。二是数字普惠金融对共同富裕的赋能支持研究。普惠金融具有消除贫困、扩大内需、促进经济数据来源于国家统计局网站，https：/ 要】文章从全要素生产率视角阐述了数字普惠金融影响共同富裕的机理，并利用20112020年省级面板数据进行实证检验。结果发现，数字普惠金融对共同富裕、富裕程度和共享水平有显著正向影响，但对共同富裕可持续性有不显著的负向影响，且存在显著的地区异质性。中介效应分析表明，数字普惠金融有助于全要素生产率的提升，并对共同富裕产生积极影响，且发挥的是部分中介作用。文章建议从加快数字基础设施建设、缩小数字普惠金融地区发展差距和提高全要素生产率等方面发挥数字普惠金融赋能共同富裕的积极作用。【关键词】数字普惠金融；共同富裕；全要素生产率【中图分类号】F832；F126【文献标识码】A【文章编号】2096-9279（2023）02-0001-11doi：10.3969/j.issn.2096-9279.2023.02.001【基金项目】安徽省哲学社会科学规划项目“数字金融服务安徽乡村振兴的实现机制与路径优化”（AHSKQ2021D158）。【作者简介】查华超，博士，安徽财经大学经济学院讲师，研究方向为数字金融与乡村振兴；张晨晨，安徽财经大学会计学院本科生，研究方向为数字普惠金融与乡村产业振兴。2Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究增长等作用4。数字普惠金融与共同富裕显著正相关，通过创新创业效应，数字普惠金融有利于缩小收入差距，提升收入水平；数字普惠金融还能促使收入子系统与平等子系统协调统一，促进共同富裕的实现5。数字普惠金融能优化农村金融资源配置、丰富农村金融供给、平衡城乡经济发展，从而有利于实现共同富裕6。数字普惠金融还有利于缓解农村金融困境，是巩固脱贫攻坚成果、促进乡村振兴、实现共同富裕的重要方式7。此外，相关研究还指出，数字普惠金融主要是通过公平与效率机制8、创新创业机制9等对共同富裕产生积极的影响。三是全要素生产率与数字普惠金融、共同富裕的关系研究。侯层等实证分析发现，金融科技显著提高了全要素生产率10。张勇等认为，地区数字普惠金融的发展能够促进企业全要素生产率的提升11。郑月明等认为，从省际层面看，数字普惠金融与全要素生产率之间存在着“U”型曲线关系，且数字普惠金融对中东部地区全要素生产率的影响相较于西部地区更显著12。蔡昉认为，中国亟须通过政策调整以实现经济增长向全要素生产率支撑型模式转变13。巴曙松等研究发现，金融科技创新对企业全要素生产率有带动作用，并对经济增长产生积极影响14。赵莎莎等认为，城镇化水平与全要素生产率的交互效应对我国城乡收入差距有显著的改善作用，有利于缩小城乡居民富裕程度相对差距15。综上所述，发展数字普惠金融有助于全要素生产率的提高，而全要素生产率的提高则有助于经济发展质与量的提升，但将数字普惠金融与全要素生产率、共同富裕结合起来进行研究却较为少见。基于此，本文尝试从全要素生产率视角出发，研究数字普惠金融对共同富裕的影响机制与赋能效应问题。二、数字普惠金融影响共同富裕的机理本文从全要素生产率视角探讨数字普惠金融对共同富裕的影响，包括直接影响与间接影响两个方面。在直接影响方面，数字普惠金融能扩大金融服务和金融产品的覆盖范围，提升金融服务的广度、深度和渗透率，能为广大弱势群体提供适宜的金融服务与金融产品，提升金融服务普惠性，促进社会财富公平分配，促进物质财富和精神财富共享，进而起到赋能共同富裕的积极作用。具体而言，数字普惠金融的发展能大幅提升传统金融服务的可得性和便利性，为原先被传统金融排除在外的群体提升家庭收入、改善农村内部的收入分配状况提供了条件16。数字普惠金融通过借助数字化工具，能突破时间和空间局限，以较低成本为偏远贫困地区、低收入人群和小微企业提供适宜的金融服务和金融产品，助力提升金融资源共享水平，促进收入分配公平和小微企业发展。数字普惠金融能为所有客户提供多样化普惠式的金融服务，有助于促进传统金融服务和传统金融产品的数字化升级，使我国金融机构金融普惠程度大幅度提升。数字普惠金融还能帮助弱势群体充分享受正规金融服务，助力低收入者和经济发展相对滞后地区居民提高收入，进而为我国扎实推进共同富裕提供必要支持。在间接影响方面，数字普惠金融能提高金融服务经济发展的效率，促进我国全要素生产率不断提高，有助于我国经济发展数量及质量的提升，缩小贫富差距，发挥赋能我国全体人民共同富裕的积极作用。具体而言，数字普惠金融通过创新能力效应、技术溢出效应和产业结构升级效应等作用于全要素生产率17，不断推动全要素生产率的提升。借助移动互联网、人工智能、区块链、大数据和云计算等技术，数字普惠金融能有效降低金融服务门槛，拓展金融服务触达范围，促进金融供给和金融需求有效对接，提振居民消费需求、降低企业外源融资难度，助力企业提高全要素生产率18。数字普惠金融能缓解小微企业融资约束，发挥“金融错配”纠正功能，对中小企业提高全要素生产率发挥显著推动作用19。数字普惠金融的发展，还有助于优化稀缺性金融资源在不同产业、不同部门间的科学高效配置，促进劳动、技术、土地等要素更高效配置，推动我国产业结构优化升级，提升全要素生产率20-21。3Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究与此同时，全要素生产率的提升作为我国经济发展进步的重要表现之一，不仅是推动我国经济长期持续增长和经济高质量发展的重要内在动力源泉，而且还有助于改善我国地区经济发展失衡的状况，是有效减小中、西部地区城乡收入差距和减缓相对贫困的重要影响因素22，在推进我国财富总量增长和促进分配公平方面发挥积极的赋能作用。总之，数字普惠金融不仅能通过缓解融资约束、提高金融服务普惠性和促进创新创业等机制直接对共同富裕产生积极的影响，而且还能通过促进全要素生产率的提升，间接促进我国财富总量增长和提高财富分配公平程度，进而为扎实推进共同富裕提供必要支持。三、实证分析（一）变量选取1.被解释变量本文将共同富裕作为被解释变量。当前学界对于如何测评共同富裕并未达成一致意见，大部分研究不是采用数量偏少的基础指标进行测度5，就是以城乡收入差距或基尼系数作为替代指标23进行测度。从共同富裕的实践进程来看，这些测度结果无法客观反映我国共同富裕所取得的突破性成就。因此，本文在解读新时代共同富裕内涵的基础上，以“以人民为中心”和“共享、富裕、可持续”为要点，并紧扣“共同”和“富裕”两个关键词，选择共享水平、富裕程度和可持续性3个一级指标来建立评价指标体系24，以客观测度我国共同富裕水平。本文将共同富裕指数测度通常采用的维度指标即富裕程度、共享水平和可持续性作为被解释变量，并借鉴已有研究，构建共同富裕评价指标体系（见表1）。表1共同富裕评价指标体系维度富裕程度共享水平可持续性分项指标经济财富精神财富生态财富健康财富地区差距城乡差距资产差距财富可持续共享可持续基础指标人均GDP（元）人均人民币存款余额（万元）人均住房面积（平方米）人均社会消费品零售总额（万元）平均每百户城镇居民家用汽车保有量（辆）人均教育文化娱乐支出（万元）每万人高中及以上学校数（所）平均每百人订销报刊累计数（份）移动电话普及率（部/百人）废气中主要污染物排放总量（吨）一般工业固体废物产生量（吨）城市生活垃圾无害化处理率（%）森林覆盖率（%）湿地覆盖率（%）每万人医疗床位数（个）健康检查率（%）每千人卫生技术人员（人）人均可支配收入（万元）基本公共服务支出（亿元）城镇化率（%）人均消费支出（元）软件业务收入（亿元）人均电信业务量（万元）城乡居民可支配收入差距（万元）城乡居民人均消费支出差距（元）城乡居民教育文化娱乐支出差距（元）城乡家庭宽带接入差距（万户）城乡居民恩格尔系数之比（%）居民人均可支配收入占平均工资比重（%）居民存款占人民币存款余额比重（%）单位GDP能耗（万标准煤）人口老龄化程度（%）人均三项专利授权数（件/万人）规模以上工业企业 R&D投资的GDP占比（%）GDP增长率（%）居民人均可支配收入增长率（%）高中及以上教育程度人口比重（%）指标性质正向正向正向正向正向正向正向正向正向负向负向正向正向正向正向正向正向正向正向正向正向正向正向负向负向负向负向负向正向正向负向负向正向正向正向正向正向4Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究该测度指标体系包括37项基础指标，与已有研究相比，不仅指标数量较多，而且既有正向指标，又有负向指标，能更为客观地反映我国共同富裕的真实进程。该指标体系始终紧扣共同富裕的理论内涵和实践主旨要求，兼顾物质财富和精神财富两个方面，因而更加系统和更具有可操作性。测度步骤依次为采用极值标准化法做无量纲化处理、采用变异系数法计算基础指标权重以及采用线性加权求和法计算最终得分。测度原始数据主要来源于20122020年 中国统计年鉴、各省（区、市）区域金融运行报告 和 第七次全国人口普查公报，少量缺失数据采用插值法补齐。2.解释及控制变量本文参考常规做法，选用北京大学数字金融研究中心编制的“数字普惠金融指数”作为核心解释变量；同时，考虑到物质资本、人力资本、产业升级度、产业高级化、财政收入能力、财政支出能力和对外开放度等因素均是影响共同富裕的重要因素25，故需控制这些变量。其中，物质资本以固定资产投资的GDP占比来衡量；人力资本用人均受教育年限来替代，本文参照陆铭等的做法26，采用以下测算公式：（大专以上人口16+高中人口12+初中人口9+小学人口6）/6岁以上总人口；产业升级度采用徐德云提出的公式进行测算27：产业结构升级=1第一产业增加值占比+2第二产业增加值占比+3第三产业增加值占比；产业高级化以第三产业增加值与第二产业增加值比例来衡量；财政收入能力以地方财政一般预算收入占GDP的比重来衡量，财政支出能力以地方财政一般预算支出占GDP比重来衡量；对外开放度以进出口总额的GDP占比衡量。3.中介及稳健性检验变量本文采用全要素生产率作为中介变量，用以检验数字普惠金融影响共同富裕的传导机制。全要素生产率变量采用索洛剩余法测算获得。此外，为保障实证结果的稳健性，规避内生性问题，本文采用北京大学数字金融研究中心编制的数字化程度指数作稳健性检验变量。（二）模型设定与数据说明1.基准模型设定本文通过构建基准回归模型检验数字普惠金融对共同富裕的影响效应。基准回归模型的具体构建结果如下：lnCWindexit=lnCWindexi,t-1+0lnDFindexit+k=1nkcontrolit+i+it（1）lnWindexit=lnWindexi,t-1+0lnDFindexit+x=1nxcontrolit+i+it（2）lnCindexit=lnCindexi,t-1+0lnDFindexit+y=1nycontrolit+i+eit（3）lnSindexit=lnSindexi,t-1+0lnDFindexit+m=1nmcontrolit+i+it（4）上述基准回归模型中，所有变量均为自然对数值，建立的模型为双对数模型。模型（1）中，lnCWindexit为被解释变量共同富裕指数，代表共同富裕水平；lnDFindexit为核心解释变量数字普惠金融指数，代表数字普惠金融发展水平；模型（2）（3）（4）中，lnWindexit、lnCindexit、lnSindexit分别为被解释变量富裕程度指数、共享水平指数及可持续性指数，分别代表富裕程度、共享水平和可持续性；controlit为控制变量，i、i、i和i为省级截面效应，vit、it、eit和it分别为动态面板模型的随机扰动项；、0、k、0、x、0、y、0和m为待估计参数。2.数据说明本文选择20112020年共10年的省级面板数据进行实证分析。其中，被解释变量由测算获得，5Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究核心解释变量采用“数字普惠金融指数”，稳健性检验变量采用“数字化程度指数”，其余变量测算数据均来自20122021年 中国统计年鉴。为了平滑数据，本文对所有变量均做自然对数化处理，变量的描述性统计结果见表2。（三）基准回归结果分析本文采用我国除港、澳、台外的31个省（区、市）面板数据，检验数字普惠金融对共同富裕的影响效应。基准回归结果见表3和表4。表3中，模型（1.1）（1.3）回归结果表明，在不考虑控制变量的情形下，数字普惠金融对共同富裕具有显著的正向影响，弹性系数分别为0.012 8和0.02，说明随着数字普惠金融发展水平的提升，我国共同富裕水平也不断提升。模型（1.2）（1.4）回归结果则表明，在考虑控制变量情形下，数字普惠金融对共同富裕同样具有显著的正向影响，弹性系数分别为0.014 6和0.023，说明数字普惠金融对共同富裕的正向作用力大小略有变动。同时，表3中模型（1.2）（1.4）回归结果表明，除对外开放度外，其余控制变量均是影响我国共同富裕水平的重要因素。其中，物质资本、产业高级化和财政收入能力对我国共同富裕水平均有显著的负向影响，人力资本、产业升级度和财政支出能力对我国共同富裕水平均有显著的正向影响。可能的解释是，固定资产等物质资本投入占GDP的比重越高，说明为发展经济所投入的物质资料也越多，而固定资产的投入不仅会减少可分配的财富总量，还会因折旧提取而增加社会的沉没成本，耗损全社会财富总量，因而物质资本投入量越多越不利于共同富裕水平的提升；产业结构高级化程度越高，说明第三产业发展得越好，而大量小微企业和自由职业都属于服务业，其从业表2变量的描述性统计变量共同富裕指数富裕程度指数共享水平指数可持续性指数数字普惠金融指数物质资本人力资本产业升级度产业高级化财政收入能力财政支出能力对外开放度全要素生产率数字化程度指数均值3.833 42.577 63.276 41.831 85.211 6-0.359 62.207 50.864 00.103 0-2.226 0-1.402 8-1.820 50.351 15.510 2最大值4.321 93.364 93.641 52.398 26.068 30.326 62.582 21.042 31.667 1-1.481 50.477 80.437 11.064 76.136 1最小值3.562 01.604 03.137 81.311 12.786 2-1.746 91.440 30.773 0-0.657 8-2.850 7-2.204 6-4.879 6-1.858 52.025 5标准差0.141 10.274 90.078 60.254 60.676 60.389 60.136 90.052 00.411 90.250 70.321 50.967 50.605 00.697 8注：表中变量数据均为自然对数值。表3基准回归结果变量数字普惠金融共同富裕指数滞后一期值物质资本人力资本产业升级度产业高级化财政收入能力财政支出能力对外开放度常数项AR（2）Sargan检验DIF-GMM模型（1.1）0.012 8*（0.000 5）0.991 1*（0.003 1）-0.012 8（0.010 1）0.540 70.673 9模型（1.2）0.014 6*（0.002 7）0.900 1*（0.020 1）-0.0262 1*（0.003 3）0.045 7*（0.018 8）0.345 8*（0.070 2）-0.050 3*（0.007 8）-0.045 2*（0.008 5）0.077 3*（0.010 3）0.001 7（0.001 8）-0.068 2（0.091 2）0.680 30.826 5SYS-GMM模型（1.3）0.020 0*（0.003 7）0.952 8*（0.011 6）0.094 6*（0.037 5）0.475 00.917 2模型（1.4）0.023 0*（0.003 3）0.919 1*（0.015 4）-0.026 9*（0.002 5）0.019 5*（0.005 7）0.179 7*（0.107 3）-0.033 5*（0.014 1）-0.022 8*（0.007 6）0.035 7*（0.010 7）0.002 3（0.001 9）0.092 9（0.146 4）0.392 40.964 1注：括号内数值为回归系数标准差，*、*、*分别表示1%、5%和10%水平下显著。6Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究人员的收入稳定性较弱，各行业发展状况也参差不齐，会影响财富共享公平程度，不利于共同富裕水平的提升；财政收入能力越强，说明居民所承担的税负也越重，进而影响社会可分配的财富总量，不利于共同富裕水平的提升。此外，人力资本的提升和产业升级度的提高均有益于经济发展，并进而促进财富总量的增加，且财政支出能力越强，说明居民享受到的社会福利水平越高，越有利于社会和居民财富的增长，故它们均有助于共同富裕水平的提升。表4为数字普惠金融对富裕程度、共享水平和可持续性影响效应的基准回归结果。其中，模型（2.1）（2.2）（2.3）（2.4）回归结果表明，数字普惠金融对富裕程度和共享水平均有显著的正向影响，4 个模型中的弹性系数分别为 0.059 1、0.008 8、0.015 8和0.025 9，说明随着数字普惠金融发展水平的提升，我国 31 个省（区、市）的富裕程度和共享水平是不断提升的。模型（2.5）（2.6）回归结果表明，数字普惠金融对我国31 个省（区、市）共同富裕的可持续性具有负向影响，但影响效果不显著。同时，表 4 的回归结果还表明，我国 31 个省（区、市）的富裕程度、共享水平和可持续性均具有时间惯性，即上一期的发展水平显著促进下一期的发展进度，这在一定程度上也是对我国东部地区与中、西部地区的共同富裕差距越拉越大现象的解释。（四）稳健性检验与中介效应分析1.稳健性检验表5为采用静态面板模型（3.1）进行稳健性分析的结果。由表5可见，数字普惠金融变量的回归系数依然在1%的水平下显著，且得出的弹性系数更大，因此，可以初步判断基准回归结果是稳健的。此外，考虑到数字普惠金融服务的供给与需求，均依赖于数字基础设施提供的数字化网络来实现，且数字化基础设施建设又是外生于共同富裕的，故本文采用数字化程度指数替换数字普惠金融指数做进一步验证。模型（3.2）（3.3）（3.4）（3.5）（3.6）回归结果表明，数字化程度指数的回归系数均在1%水平下显著，较基准回归结果无实质性变化，说明以数字化程表4基准回归结果变量数字普惠金融富裕程度滞后一期值共享水平滞后一期值可持续性滞后一期值控制变量常数项AR（2）Sargan检验DIF-GMM模型（2.1）0.059 1*（0.005 7）0.636 9*（0.033 7）是-0.384 8（0.278 4）0.377 10.905 6SYS-GMM模型（2.2）0.008 8*（0.005 2）0.768 8*（0.023 4）是0.159 3*（0.070 4）0.379 50.958 6DIF-GMM模型（2.3）0.015 8*（0.001 3）1.072 5*（0.018 6）是-0.337 4*（0.132 3）0.102 90.714 5SYS-GMM模型（2.4）0.025 9*（0.001 8）1.048 4*（0.016 3）是-0.362 3*（0.101 9）0.280 30.946 8DIF-GMM模型（2.5）-0.009 7（0.007 7）0.659 5*（0.062 2）是-1.486 5*（0.461 1）0.484 00.843 5SYS-GMM模型（2.6）-0.010 1（0.008 5）0.768 4*（0.037 2）是-1.268 4*（0.200 4）0.796 80.984 2注：括号内数值为回归系数标准差，*、*、*分别表示在1%、5%和10%水平下显著（限于篇幅，控制变量的回归结果在此不作汇报）。7Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究表5稳健性检验结果变量数字普惠金融数字化程度指数共同富裕指数滞后一期值控制变量Within R2Wald chi2AR（2）Sargan检验静态面板（FE）模型（3.1）0.045 6*（0.004 6）是0.928 551.29模型（3.2）0.034 0*（0.007 2）是0.829 236.87DIF-GMM模型（3.3）0.006 1*（0.000 7）1.042 7*（0.004 8）否0.596 20.698 2模型（3.4）0.011 2*（0.002 5）0.916 8*（0.016 8）是0.827 90.813 3SYS-GMM模型（3.5）0.013 4*（0.000 6）1.003 2*（0.004 7）否0.520 40.917 0模型（3.6）0.020 1*（0.002 8）0.925 7*（0.015 7）是0.515 50.955 0注：括号内数值为回归系数标准差，*表示在1%水平下显著。度指数作为数字普惠金融发展的代理变量依然对共同富裕指数产生了显著的正向影响。因此，本文实证分析结果具有稳健性。2.中介效应分析为检验数字普惠金融对共同富裕的间接影响，本文在模型（1）基础上进一步构建中介效应模型，同时，借鉴郑月明等的研究12，在模型（5）中引入数字普惠金融的平方项。模型构建结果如下：lnTFPit=12lnTFPi,t-1+120lnDFindexit+130lnDFindexit2+k=1n12kcontrolit+12i+12it（5）lnCWindexit=13lnCWindexi,t-1+140lnDFindexit+131lnTFPit+x=2n13xcontrolit+13i+13it（6）模型（5）（6）中，lnTFPit为中介变量全要素生产率，代表全要素生产率水平，用于检验数字普惠金融是否通过全要素生产率这一中介变量对共同富裕产生正向影响；controlit为控制变量，i12和i13为省级截面效应，vit12和vit13分别为模型（5）（6）的随机扰动项；12、012、013、k12、13、014、113和x13为待估计参数。中介效应分析结果见表6。表6中介效应分析结果变量全要素生产率数字普惠金融数字普惠金融平方项全要素生产率滞后一期值共同富裕指数滞后一期值控制变量AR（2）Sargan检验全要素生产率DIF-GMM模型（4.1）-2.676 6*（0.268 5）0.228 3*（0.027 1）0.249 5*（0.018 7）是0.188 60.695 5SYS-GMM模型（4.2）-1.575 1*（0.645 6）0.113 2*（0.066 7）0.423 8*（0.023 6）是0.770 90.930 6共同富裕指数DIF-GMM模型（4.3）0.005 3*（0.001 0）0.014 2*（0.002 9）0.943 9*（0.024 2）是0.872 80.937 1SYS-GMM模型（4.4）0.007 2*（0.000 9）0.025 5*（0.003 3）0.969 9*（0.018 7）是0.475 70.976 6注：括号内数值为回归系数标准差，*、*、*分别表示在1%、5%和10%水平下显著。8Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究表6中，模型（4.1）（4.2）回归结果表明，数字普惠金融一次项的回归系数为负、二次项的回归系数为正，且均较为显著，这意味着数字普惠金融与全要素生产率之间存在非线性关系，随着我国数字普惠金融发展水平越过临界点，其对我国全要素生产率产生积极的正向影响。模型（4.3）（4.4）回归结果表明，全要素生产率和数字普惠金融的回归系数均在1%水平下显著，弹性系数分别为0.005 3、0.007 2和0.014 2、0.025 5，也均大于0。此外，本文进一步做中介效应的Sobel检验后，发现P值小于0.05，说明中介效应成立，存在以全要素生产率为中介变量的正向中介效应，且全要素生产率在数字普惠金融与共同富裕之间起部分中介作用。四、异质性分析（一）分地区的异质性分析我国幅员辽阔，东部、中部和西部地区的数字普惠金融发展和共同富裕水平均存在较大的地区差异，因此可能会产生较明显的地区异质性。为此，本文进一步做基于分地区面板模型的异质性分析，结果如表7所示（限于篇幅，控制变量的回归结果在此不作汇报）。表7中，模型（5.1）（5.2）（5.3）（5.4）（5.5）（5.6）回归结果表明，数字普惠金融对我国东部和西部地区共同富裕的正向影响十分显著，但对我国中部地区共同富裕正向影响却不显著。东部地区样本的弹性系数分别为0.075 5、0.077 5，而西部地区样本的弹性系数分别为0.025 2、0.041 2，说明数字普惠金融对我国东部地区共同富裕的正面作用力最大，且对我国西部地区共同富裕的正面作用力要明显强于中部地区。出现这种情况，可能有以下几个方面的原因。首先，我国规模较大的几家互联网金融平台、互联网银行等均位于东部地区。如蚂蚁集团全球总部落户浙江省杭州市，财付通支付科技有限公司总部落户深圳市。另据希财网资料显示，我国互联网银行也有近半数来自东部地区，且国家级共同富裕试验区最早也是在东部地区。这意味着我国东部地区可能具有更好的数字普惠金融发展与创新的基础环境，以数字普惠金融赋能共同富裕的实践也相应更早，故相比较而言，我国东部地区的数字普惠金融发展成效相对更显著，数字普惠金融赋能共同富裕的实际成效也相对更好，因而其回归弹性系数更大。我国互联网银行地区分布信息来源于希财网，https:/ 5*（0.035 7）0.328 7（0.711 3）是3.058 6（3.560 7）0.227 21.000SYS-GMM模型（5.2）0.077 5*（0.033 9）0.304 4（0.687 5）是3.279 5（0.225 8）0.247 71.000中部地区DIF-GMM模型（5.3）0.005 4（0.035 4）0.966 3*（0.146 6）是-0.606 5（0.584 5）0.172 51.000SYS-GMM模型（5.4）0.005 8（0.035 3）0.990 1*（0.142 7）是-0.068 2（0.091 2）0.235 51.000西部地区DIF-GMM模型（5.5）0.025 2*（0.009 9）0.650 2*（0.089 2）是1.649 9*（0.923 4）0.824 71.000SYS-GMM模型（5.6）0.041 2*（0.011 2）0.643 6*（0.187 9）是1.529 7（1.513 9）0.183 21.000注：括号内数值为回归系数标准差，*、*、*表示在1%、5%和10%水平下显著。9Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究其次，我国西部地区地域辽阔，拓展传统金融业务需负担更高额的成本，这不利于激励传统金融机构扩大物理网点建设的覆盖面，而以PC端和手机端互联网为依托的数字普惠金融具有低成本优势，对在广阔的西部地区开展金融交易活动十分有利。加之我国西部地区数字基础设施建设要滞后于东部地区，故模型（5.5）（5.6）中回归弹性系数表现为正，但系数值要小于我国东部地区，即数字普惠金融对西部地区共同富裕具有正向影响，但影响力要小于东部地区。最后，数字普惠金融对我国中部地区共同富裕有不显著的正向影响的原因，可能是我国中部地区数字普惠金融发展的生态环境相对较差，存在人才地区吸引力不足、数字普惠金融平台较少且发展较慢等问题，最终导致数字普惠金融对我国中部地区共同富裕的赋能作用不显著。（二）分维度指标的地区异质性分析富裕程度、共享水平和可持续性3个不同维度指标对我国分地区的共同富裕水平也可能存在一定的异质性影响。为此，本文还需做基于分维度指标的地区异质性分析。实证结果如表8所示（限于篇幅，被解释变量滞后一期值、控制变量和常数项的回归结果在此不作汇报）。表 8 中，模型（6.1）（6.2）（7.1）（7.2）（8.1）（8.2）回归结果表明，数字普惠金融对我国中部和西部地区的富裕程度有显著正向影响，且它们的弹性系数分别为0.060 5、0.036 2和0.059 9、0.110 5，而数字普惠金融对东部地区富裕程度的正向影响却不显著。这可能是因为我国中部和西部地区经济发展水平相对落后，发展数字普惠金融能更好地缓解金融抑制问题，从而能更好地促进经济发展，更好地增加中部和西部地区的财富总量；而我国东部地区金融发展水平相对较高，金融抑制程度较低，故数字普惠金融的促进作用相应偏弱。模型（6.3）（6.4）（7.3）（7.4）（8.3）（8.4）回归结果表明，数字普惠金融对我国东部、中部、西部地区的财富共享水平均具有正向影响，且东部地区弹性系数分别为 0.053、0.046 2，中部地区弹性系数分表8异质性分析结果被解释变量东部地区数字普惠金融AR（2）Sargan检验中部地区数字普惠金融AR（2）Sargan检验西部地区数字普惠金融AR（2）Sargan检验富裕程度DIF-GMM模型（6.1）0.065 5（0.040 7）0.851 21.000模型（7.1）0.060 5*（0.026 5）0.389 51.000模型（8.1）0.059 9*（0.035 6）0.970 01.000SYS-GMM模型（6.2）0.061 2（0.048 7）0.913 91.000模型（7.2）0.036 2*（0.047 9）0.375 41.000模型（8.2）0.110 5*（0.046 2）0.514 61.000共享水平DIF-GMM模型（6.3）0.053 0*（0.014 5）0.423 61.000模型（7.3）0.007 9*（0.002 1）0.626 51.000模型（8.3）0.044 2*（0.011 9）0.166 41.000SYS-GMM模型（6.4）0.046 2*（0.017 5）0.243 21.000模型（7.4）0.009 0*（0.002 7）0.680 31.000模型（8.4）0.018 8*（0.005 3）0.160 31.000可持续性DIF-GMM模型（6.5）0.059 5*（0.021 7）0.382 01.000模型（7.5）-0.014 5（0.009 4）0.497 51.000模型（8.5）0.005 6（0.022 2）0.738 11.000SYS-GMM模型（6.6）0.056 9*（0.024 4）0.557 01.000模型（7.6）-0.015 6（0.024 5）0.545 61.000模型（8.6）0.037 1（0.038 4）0.560 91.000注：括号内数值为回归系数标准差，*、*、*分别表示在1%、5%和10%水平下显著。10Vol.35 2023 No.22023年第2期数字普惠金融影响共同富裕的机理与效应研究别为 0.007 9、0.009，西部地区回归弹性系数分别为0.044 2、0.018 8；作用力呈“东部最高、西部居中、中部最低”的分布格局。这意味着数字普惠金融更有助于提升东部和西部地区的财富共享水平，可能是因为我国东部地区的“数字鸿沟”较小，西部地区的数字普惠金融发展效率较高，使得数字普惠金融对东部、西部地区财富共享水平的积极影响比中部地区更大。此外，模型（6.5）（6.6）（7.5）（7.6）（8.5）（8.6）回归结果表明，数字普惠金融仅对我国东部地区共同富裕的可持续性产生显著正向影响，弹性系数分别为0.059 5和0.056 9。其原因可能是数字普惠金融对共同富裕可持续性的影响不仅取决于数字普惠金融的发展水平，还取决于经济能耗、研发投入和人口受教育程度等因素；东部地区通过产业转移，可将大量高能耗生产项目转移至中部和西部地区，从而推动东部地区单位GDP能耗下降和研发投入增加；同时，东部地区良好的经济生态环境也更有利于吸引高素质人才，进而推动数字普惠金融对共同富裕可持续性产生积极影响。五、结论与建议（一）结论本文从全要素生产率视角探讨数字普惠金融影响共同富裕的机理，并进行了实证检验。结果表明，数字普惠金融是影响我国共同富裕的重要因素，数字普惠金融对富裕程度和共享水平均具有显著的正向影响，但对共同富裕可持续性存在不显著的负向影响；数字普惠金融对我国东部、西部地区共同富裕正向影响十分显著，但对中部地区共同富裕正向影响不显著。同时，数字普惠金融对东部、中部和西部地区的富裕程度、共享水平和可持续性影响均具有一定程度的异质性。中介效应分析结果表明，数字普惠金融存在以全要素生产率为中介变量的正向中介效应，且发挥的是部分中介作用。（二）建议第一，数字普惠金融是影响共同富裕的重要因素，我国地方政府、传统金融机构和金融科技行业应提高认识，着力推进数字基础设施建设，不断缩小地区间、城乡间数字化发展差距。同时，我国金融监管部门要从制度设计层面加强数字普惠金融的监管，要在鼓励数字普惠金融服务创新的同时，进一步规范数字普惠金融的服务内容和服务收费标准，努力提升数字普惠金融的服务质量和服务效率，夯实数字普惠金融赋能共同富裕所需的数字化转型的基础。第二，数字普惠金融对我国不同地区共同富裕的影响具有异质性。为此，我国各地方政府需着力缩小地区间数字普惠金融发展差距。我国中部、西部地区数字普惠金融发展基础相对薄弱，数字金融消费者的数字知识也相对较为缺乏。因此，我国中部、西部地区要大力提升数字普惠金融供给能力，加强对数字金融消费者的宣传与教育，不断缩小我国地区间数字普惠金融发展差距，以更好发挥数字普惠金融赋能共同富裕的积极作用。第三，通过全要素生产率提升机制，数字普惠金融可对我国共同富裕产生间接影响。为此，我国各地方政府还需努力提高经济社会的全要素生产率，以更好发挥数字普惠金融对共同富裕的助力作用。地方政府要处理好发展速度和生产效率的关系，积极推进数字经济发展，加快产业数字化和数字产业化发展进程，引导和激励企业不断提升数字化运营水平，提高各地区的全要素生产率，为我国实现共同富裕提供助力。第四，我国中部、西部地区共同富裕水平相对较低，与东部地区共同富裕水平差距有进一步拉大的趋势，因此中部、西部地区还需着力提升经济发展质量和水平。东部地区可继续以城市结对合作帮